[发明专利]一种对行人分类器实现动态更新的人数统计方法

说明书

技术领域

本发明属于计算机视频图像处理技术领域，特别涉及一种对行人分类器实现动态更新的人数统计方法。

背景技术

随着计算机技术和图像处理技术的发展，基于视频的智能监控系统得到了广泛的应用。在保障社会公共安全和交通安全方面、保护人民生命财产安全方面、在工业控制领域保障安全生产和产品检测方面以及有关商业领域方面都发挥着巨大的作用。

人数流量的统计信息对于很多行业有着重要的作用，他们可以利用人流量信息协助管理，合理的配置人力、物力从而高效利用有限的资源，或者根据统计的人流信息合理的控制人群密度防止人群的过度拥挤而发生安全事故。

但是，在现有技术中一般是通过采集一定数量的正样本和负样本输入计算机系统中，并对通过照相机或摄像机所采集的视频流图像中的包含行人区域的图形进行检测并对公共区域中的行人人数进行统计。

但是这种技术有一定的局限性。这种局限性具体体现为，在现有技术中，训练样本集中的正样本与负样本数量是固定的，这就导致了对现有技术中通过输入固定数量的正样本与负样本的行人分类器对待检测图像中的行人的检测与计数有一定的局限性，无法对复杂环境中的监控区域中的行人进行有效的统计。

因此，有必要对现有技术中的上述技术缺陷进行改进。

发明内容

本发明的目的在于公开一种对行人分类器实现动态更新的人数统计方法，用以提高对公共区域内对行人进行人数统计的效率与准确度。

为实现上述发明目的，本发明提供了一种对行人分类器实现动态更新的人数统计方法，包括：

S1、基于SVM算法对训练本集进行训练以得到初始化行人分类器；

S2、获取监控区域的视频流图像作为输入图像，并对输入图像进行背景建模以得到背景图像；

S3、利用初始化行人分类器对监控区域的背景图像进行行人检测，并根据行人检测结果对初始化行人分类器进行选择性的更新训练；

S4、通过执行步骤S3后的所得到的行人分类器对监控区域中的输入图像进行行人检测，并通过meanshift算法对检测到的行人区域进行跟踪和计数。

作为本发明的进一步改进，所述步骤S1具体为：先计算正/负样本集中正/负样本的HOG特征向量，然后基于SVM算法对所述HOG特征向量进行训练，以得到初始化行人分类器；

所述正样本集中的正样本是包含行人头部和/或肩部的样本；所述负样本集中的负样本是不包含行人头部和/或肩部的样本。

作为本发明的进一步改进，所述正/负样本集中正/负样本为30×30～100×100像素的256阶灰度图像。

作为本发明的进一步改进，所述步骤S2中的“背景建模”为混合高斯背景建模，其具体包括：

S21：初始化背景模型；

S22：更新背景模型；

S23：采用权值动态学习速率的权值更新方法提取背景图像和分割运动目标；

所述步骤S23中的“权值动态学习速率”的计算公式为：

αt=α0;t<T0α02(t-T0);t≥T0]]>

所述步骤S23中的“权值更新”的计算公式为：ω_i，t＝(1-α_t)ω_i，t-1+α_tM_i，t